Model Context Protocol (MCP): Tiêu Chuẩn Kết Nối AI Agent Với Công Cụ

Model Context Protocol (MCP) là tiêu chuẩn mở của Anthropic cho phép AI Agent kết nối an toàn với dữ liệu, công cụ và hệ thống bên ngoài. MCP giải quyết vấn đề “M×N integration” — thay vì mỗi agent phải tự xây dựng connector cho từng tool, giờ có một giao thức chung mà cả hai bên tuân thủ.

Vấn đề MCP giải quyết

Trước MCP, developer muốn AI Agent truy cập database, file system, GitHub, Slack… phải viết custom function cho từng cặp (agent, tool). Với M agents và N tools → cần M×N tích hợp. MCP biến thành M+N: agent nói MCP, tool expose MCP server.

Kiến trúc MCP: 3 thành phần cốt lõi

• MCP Host: Ứng dụng chứa LLM (Claude Desktop, Cursor, VS Code extension, custom app). Host khởi tạo client.
• MCP Client: Thành phần trong host quản lý kết nối 1-1 đến MCP Server qua transport (stdio, HTTP+SSE, WebSocket).
• MCP Server: Chương trình độc lập expose Resources (dữ liệu đọc), Tools (hành động ghi/thực thi), Prompts (template prompt tái sử dụng).

Ba primitive cốt lõi

Transport: stdio vs HTTP+SSE vs WebSocket

• stdio: Mặc định cho local server. Host spawn process, giao tiếp qua stdin/stdout. Đơn giản, an toàn, phù hợp CLI tool.
• HTTP+SSE: Server chạy remote, client kết nối qua HTTP. Hỗ trợ authentication, load balancer, phù hợp production.
• WebSocket: Full-duplex, latency thấp hơn SSE. Dùng khi cần real-time cao.

Ví dụ: Tạo MCP Server Python với FastMCP

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Weather Server")

@mcp.tool()
async def get_weather(city: str) -> str:
    """Lấy thời tiết hiện tại của thành phố."""
    # Gọi API weather thực tế ở đây
    return f"Thời tiết {city}: 28°C, nắng"

@mcp.resource("weather://{city}/current")
async def weather_resource(city: str) -> str:
    return f"Dữ liệu thời tiết {city}"

if __name__ == "__main__":
    mcp.run(transport="stdio")

Client: Kết nối từ Claude Desktop hoặc code tùy chỉnh

Cấu hình claude_desktop_config.json:

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["/path/to/weather_server.py"]
    }
  }
}

Hoặc dùng SDK TypeScript/Python trong ứng dụng riêng:

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const client = new Client({ name: "my-app", version: "1.0" });
await client.connect(new StdioClientTransport({
  command: "python", args: ["weather_server.py"]
}));

const tools = await client.listTools();
const result = await client.callTool({ name: "get_weather", arguments: { city: "Hà Nội" } });

Bảo mật & Best Practices

• Capability-based: Server chỉ expose tool/resource cần thiết. Không cho LLM quyền root filesystem.
• User consent: Host nên hỏi xác nhận trước khi gọi tool có side-effect (ghi file, gửi email, tốn tiền API).
• Sandbox: Chạy MCP Server trong container/VM riêng biệt, giới hạn network/filesystem.
• Rate limit: Bảo vệ server khỏi loop agent gọi tool vô hạn.

Hệ sinh thái MCP hiện nay

• Official servers: Filesystem, GitHub, GitLab, PostgreSQL, SQLite, Redis, S3, Slack, Google Drive, Brave Search, Puppeteer…
• Community: 500+ server trên github.com/modelcontextprotocol/servers
• Host support: Claude Desktop, Cursor, Zed, VS Code (Cline, Roo Code), Continue, LibreChat…

MCP so với Function Calling / Tool Use truyền thống

Khi nào nên dùng MCP?

• Xây dựng AI Agent cần truy cập nhiều nguồn dữ liệu/công cụ khác nhau.
• Muốn chia sẻ server tool giữa nhiều host/agent khác nhau.
• Cần bảo mật, audit trail, rate limit cho hành động AI.
• Triển khai production với remote server, authentication, load balancing.

Tham khảo thêm

• Model Context Protocol Official Site
• MCP Specification on GitHub
• Awesome MCP Servers list
• Anthropic Announcement: Model Context Protocol